| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·对外贸易发展现状 | 第11-13页 |
| ·国际贸易理论 | 第11-12页 |
| ·我国对外贸易现状 | 第12-13页 |
| ·支持向量机简介 | 第13-14页 |
| ·本文的主要内容 | 第14-15页 |
| ·本文结构安排 | 第15-16页 |
| 2 重庆市对外贸易的发展现状和数据特点 | 第16-28页 |
| ·重庆外贸进出口发展的基本情况 | 第16-19页 |
| ·重庆市对外贸易的结构特点 | 第19-24页 |
| ·进出口贸易商品结构 | 第19-22页 |
| ·进出口贸易市场结构 | 第22-24页 |
| ·重庆市对外贸易发展存在的主要问题 | 第24-25页 |
| ·重庆市进出口智能信息系统简介 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 3 统计学习理论和支持向量机 | 第28-42页 |
| ·机器学习问题 | 第28-29页 |
| ·统计学习理论 | 第29-32页 |
| ·经验风险最小化原则 | 第29页 |
| ·VC 维与推广性的界 | 第29-30页 |
| ·结构风险最小化 | 第30-32页 |
| ·支持向量机 | 第32-35页 |
| ·最优分类面 | 第32-34页 |
| ·支持向量机 | 第34-35页 |
| ·核函数 | 第35页 |
| ·常用的支持向量机类型 | 第35-41页 |
| ·C－支持向量分类机（C－SVC） | 第36页 |
| ·v-支持向量分类机(v-SVC) | 第36-38页 |
| ·ε- 支持向量回归机(ε- SVR) | 第38-39页 |
| ·v-支持向量回归机（v-SVR） | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 4 基于支持向量机的重庆外贸进出口预测方法 | 第42-60页 |
| ·引言 | 第42-43页 |
| ·外贸进出口预测研究现状 | 第43-46页 |
| ·基于支持向量机的时间序列预测模型 | 第46-47页 |
| ·用支持向量机进行预测的一般流程 | 第47-48页 |
| ·基于支持向量回归（SVR）的外贸进出口预测 | 第48-51页 |
| ·对样本和预测参数的选择 | 第48页 |
| ·数据的预处理 | 第48-50页 |
| ·核函数的选择和构造 | 第50-51页 |
| ·训练参数的选择和确定 | 第51页 |
| ·训练建模并求解 | 第51页 |
| ·基于SVR 的重庆外贸出口预测实例 | 第51-58页 |
| ·样本和指标的选择 | 第52-53页 |
| ·数据预处理 | 第53-54页 |
| ·核函数的选择和构造 | 第54页 |
| ·训练参数的选择和确定 | 第54-56页 |
| ·训练结果与模型分析 | 第56-57页 |
| ·基于ε-SVR 与ν-SVR 预测模型的比较 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 5 基于支持向量机的重庆外贸进出口决策方法 | 第60-73页 |
| ·引言 | 第60-61页 |
| ·决策系统的基本概念 | 第61-62页 |
| ·决策问题的提出 | 第62-64页 |
| ·基于支持向量机（SVM）的外贸进出口市场决策模型 | 第64-65页 |
| ·基于SVM 的重庆外贸出口市场决策实例 | 第65-72页 |
| ·对试验样本的选择 | 第65-67页 |
| ·数据预处理 | 第67-69页 |
| ·模型的类型和参数选择 | 第69-70页 |
| ·构造预测检验样本 | 第70页 |
| ·分类训练结果与决策分析 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 6 总结与展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80-81页 |
| 独创性声明 | 第81页 |
| 学位论文版权使用授权书 | 第81页 |